論文の概要: Novel 3D Binary Indexed Tree for Volume Computation of 3D Reconstructed Models from Volumetric Data

• arxiv url: http://arxiv.org/abs/2412.10441v1
• Date: Wed, 11 Dec 2024 11:29:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-17 13:59:39.306644
• Title: Novel 3D Binary Indexed Tree for Volume Computation of 3D Reconstructed Models from Volumetric Data
• Title（参考訳）: 体積データからの3次元再構成モデルの体積計算のための新しい3次元バイナリインデックス木
• Authors: Quoc-Bao Nguyen-Le, Tuan-Hy Le, Anh-Triet Do,
• Abstract要約: 我々はCT(Computed tomography)やMR(Magnetic resonance)から得られたデータの内在体積を効率的に計算するアルゴリズムを開発した。 提案アルゴリズムは,Fenwickツリーを作成するための再構成アルゴリズムと同時に,スキャン行順でデータを処理し,クエリ時間をはるかに早くし,スライシングやトランスフォーメーションモデルのユーザ版を支援する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: In the burgeoning field of medical imaging, precise computation of 3D volume holds a significant importance for subsequent qualitative analysis of 3D reconstructed objects. Combining multivariate calculus, marching cube algorithm, and binary indexed tree data structure, we developed an algorithm for efficient computation of intrinsic volume of any volumetric data recovered from computed tomography (CT) or magnetic resonance (MR). We proposed the 30 configurations of volume values based on the polygonal mesh generation method. Our algorithm processes the data in scan-line order simultaneously with reconstruction algorithm to create a Fenwick tree, ensuring query time much faster and assisting users' edition of slicing or transforming model. We tested the algorithm's accuracy on simple 3D objects (e.g., sphere, cylinder) to complicated structures (e.g., lungs, cardiac chambers). The result deviated within $\pm 0.004 \text{cm}^3$ and there is still room for further improvement.
• Abstract（参考訳）: 医療画像の飛躍的な分野において、3次元ボリュームの正確な計算は、その後の3次元再構成対象の定性的分析において重要な意味を持つ。 計算トモグラフィー (CT) や磁気共鳴 (MR) から得られた容積データの内在容積を効率的に計算するアルゴリズムを開発した。 我々は多角形メッシュ生成法に基づくボリューム値の30構成を提案した。 提案アルゴリズムは,Fenwickツリーを作成するための再構成アルゴリズムと同時に,スキャン行順でデータを処理し,クエリ時間をはるかに早くし,スライシングや変換モデルのユーザ版を支援する。 簡単な3Dオブジェクト(例,球面,シリンダー)から複雑な構造(例,肺,心臓室)へのアルゴリズムの精度を検証した。 結果は$\pm 0.004 \text{cm}^3$で区切られ、さらなる改善の余地はまだ残っている。

関連論文リスト

• Voxel-Aggergated Feature Synthesis: Efficient Dense Mapping for Simulated 3D Reasoning [3.199782544428545]
  Voxel-Aggregated Feature Synthesis (VAFS) はシミュレーションにおける高密度3次元マッピングの新しいアプローチである。 VAFSはシミュレータの物理エンジンによって計算される分節点クラウドを用いて計算を大幅に削減する。 シミュレーションシーンにおける異なるオブジェクトに対する意味的クエリのIoUスコアを評価することで、結果の表現を検証する。
  論文  参考訳（メタデータ） (2024-11-15T22:37:56Z)
• R$^2$-Gaussian: Rectifying Radiative Gaussian Splatting for Tomographic Reconstruction [53.19869886963333]
  3次元ガウススプラッティング(3DGS)は画像のレンダリングと表面再構成において有望な結果を示した。 本稿では,Sparse-viewトモグラフィ再構成のための3DGSベースのフレームワークであるR2$-Gaussianを紹介する。
  論文  参考訳（メタデータ） (2024-05-31T08:39:02Z)
• Fast 3D Volumetric Image Reconstruction from 2D MRI Slices by Parallel Processing [1.7778609937758323]
  ヒト脊髄と脳のMR画像の2次元スライス(2次元)の単一配列からの仮想3次元再構成法を提案する。 われわれのアプローチは、捕獲された物体の内部組織だけでなく、エッジ、形状、大きさの保存に役立ちます。 我々の知る限り、これは2次元スライスからの3次元再構成のためのクリグとマルチプロセッシングに基づく、この種のアプローチの1つである。
  論文  参考訳（メタデータ） (2023-03-16T17:39:11Z)
• Fast-SNARF: A Fast Deformer for Articulated Neural Fields [92.68788512596254]
  本稿では,標準空間とポーズ空間の正確な対応性を求める,ニューラルフィールドのための新しい調音モジュールFast-SNARFを提案する。 Fast-SNARFはこれまでの研究であるSNARFの代替であり、計算効率は大幅に向上した。 変形マップの学習は多くの3次元人間のアバター法において重要な要素であるため、この研究は3次元仮想人間の実現に向けた重要なステップであると考えている。
  論文  参考訳（メタデータ） (2022-11-28T17:55:34Z)
• Dual Octree Graph Networks for Learning Adaptive Volumetric Shape Representations [21.59311861556396]
  本手法は,3次元形状の体積場を,オクツリーによって構成された適応的特徴量で符号化する。 エンコーダ・デコーダネットワークは、オクツリーノードの二重グラフ上のグラフ畳み込みに基づいて、適応的な特徴量を学ぶように設計されている。 提案手法は, 形状詳細を効果的に符号化し, 高速な3次元形状復元を可能にし, 訓練カテゴリから3次元形状をモデル化するための優れた汎用性を示す。
  論文  参考訳（メタデータ） (2022-05-05T17:56:34Z)
• TSGCNet: Discriminative Geometric Feature Learning with Two-Stream GraphConvolutional Network for 3D Dental Model Segmentation [141.2690520327948]
  2流グラフ畳み込みネットワーク(TSGCNet)を提案し、異なる幾何学的特性から多視点情報を学ぶ。 3次元口腔内スキャナーで得られた歯科モデルのリアルタイムデータセットを用いてTSGCNetの評価を行った。
  論文  参考訳（メタデータ） (2020-12-26T08:02:56Z)
• Uniformizing Techniques to Process CT scans with 3D CNNs for Tuberculosis Prediction [5.270882613122642]
  深部2次元畳み込みニューラルネットワーク(CNN)を用いたボリュームデータにおける医用画像解析への共通アプローチ 個々のスライスを2D CNNで独立に扱うと、意図したタスクのパフォーマンスが低下する深度情報を意図的に破棄する。 上記の問題に対処するためのボリューム均一化手法のセットを評価する。 画像情報のみを活用する全手法に勝るテストセットに対して,曲線下面積 (AUC) と二分分類精度 (ACC) を67.5%と報告した。
  論文  参考訳（メタデータ） (2020-07-26T21:53:47Z)
• Pix2Vox++: Multi-scale Context-aware 3D Object Reconstruction from Single and Multiple Images [56.652027072552606]
  Pix2Vox++という,単一ビューと複数ビューの3Dオブジェクト再構成のための新しいフレームワークを提案する。 良く設計されたエンコーダデコーダを用いて、各入力画像から粗い3Dボリュームを生成する。 次に、マルチスケールコンテキスト対応融合モジュールを導入し、全ての粗い3Dボリュームから異なる部分の高品質な再構成を適応的に選択し、融合した3Dボリュームを得る。
  論文  参考訳（メタデータ） (2020-06-22T13:48:09Z)
• Learning Local Neighboring Structure for Robust 3D Shape Representation [143.15904669246697]
  3Dメッシュの表現学習は多くのコンピュータビジョンやグラフィックスアプリケーションにおいて重要である。 局所構造認識型異方性畳み込み操作(LSA-Conv)を提案する。 本モデルでは,3次元形状復元において最先端の手法に比べて顕著な改善が得られた。
  論文  参考訳（メタデータ） (2020-04-21T13:40:03Z)
• Implicit Functions in Feature Space for 3D Shape Reconstruction and Completion [53.885984328273686]
  Implicit Feature Networks (IF-Nets) は連続的な出力を提供し、複数のトポロジを扱える。 IF-NetsはShapeNetにおける3次元オブジェクト再構成における先行作業よりも明らかに優れており、より正確な3次元人間の再構成が得られる。
  論文  参考訳（メタデータ） (2020-03-03T11:14:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。